买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连海洋大学

摘要：本发明公开了一种基于可变形卷积和边缘特征学习的轻量化鱼类识别系统，包括：数据采集模块，用于采集鱼群信息；鱼类识别终端，用于提取鱼群信息的视觉特征获得鱼群图片，并赋予鱼群图片中每个鱼体唯一识别信息；数据传输模块，用于将所述数据采集模块采集的鱼群信息传输至所述鱼类识别终端；所述数据采集模块经所述数据传输模块与所述鱼类识别终端相连。本发明采用上述结构的基于可变形卷积和边缘特征学习的轻量化鱼类识别系统，可准确、高效的提取出水下活动鱼类的视觉特征，并赋予每条鱼体唯一的身份识别信息，从而获取鱼群信息，具有精准度高、泛化性强、操作简单、使用可靠、实用价值强等优点，提高了水下鱼类识别效率。

主权项：1.一种基于可变形卷积和边缘特征学习的轻量化鱼类识别系统的方法，其特征在于：包括以下步骤：S1、水下摄像机录制包含鱼群信息的视频，而后经数据传输单元传输至数据存储单元中存储；S2、数据存储单元将包含鱼群信息的视频发送至数据接收单元，数据接收单元将其转发至处理器；S3、处理器处理S31、将发送到处理器的包含鱼群信息的视频进行视频抽帧处理，得到鱼群图片；S32、使用Labelimg标注工具对鱼群图片上的鱼体进行标注；S33、通过融合CBAM注意力机制模块的YoloV4-Tiny主干网络学习鱼类特征，利用Adam优化算法进行训练，得到最优鱼体检测模型和单体鱼图片；S34、找出同一条鱼的不同图片，对图片进行编号，按类别放入不同文件夹作为训练数据集；步骤S34中使用1×1卷积加BN层的组合学习鱼体边缘特征；使用Mish激活函数代替Relu；S35、通过LIFRNet主干网络学习鱼体特征，并且利用Adam优化算法进行训练，得到最优鱼类识别模型；而后输入大小为112×112×3的单体鱼图片，经过LIFRNet主干网络后得到一个1×1×512的特征向量，采用Arcface损失函数进行反向传播，经过特征距离计算得到鱼体图片的相似度距离；当距离小于1时，判定是同一鱼体；当距离大于等于1时，则判定为两条不同的鱼；步骤S35中的LIFRNet的主干网络共有29层，分别为14层大小为3×3的可变形卷积、13层大小为3×3的深度可分离可变形卷积、1层大小为1×1的标准卷积和1层全连接层；S36、对不同的鱼体赋予不同的识别信息。

全文数据：

权利要求：

百度查询： 大连海洋大学 基于可变形卷积和边缘特征学习的轻量化鱼类识别系统及方法